Bei der Verarbeitung von Werkstoffen an industriellen Produktionsanlagen ist häufig ein Einregelprozess nötig, bei dem die Anlage in einem iterativen Prozess so lange auf das Material angepasst wird, bis die Qualität des Endproduktes dem vorgegebenen Qualitätsstandard entspricht. Das im Laufe des Einregelprozesses verbrauchte Material ist Ausschussware, die nicht weiterverarbeitet werden kann. Durch die Verkürzung des Einregelprozesses wird die Anzahl der Ausschussprodukte reduziert, was zu einer erheblichen Kostensenkung führt.
Die Herausforderung
Optimierung eines Produktionsprozesses zur Verkürzung der Einregelphase bei Werkstoffwechsel, Aufbereitung und Zusammenführung von hochaufgelösten Sensordaten aus unterschiedlichen Quellsystemen.
Die Lösung
Entwicklung eines Supervised Machine Learning Modells, um durch Informationen zur Veränderung der Fertigungsanlage und Werkstoffdaten die Produktqualität
vorherzusagen. Diese Modellvorhersagen werden zur Vorgabe optimaler Einstellparameter für die Fertigungsanlage eingesetzt.
Technologien
- Azure Cloud (Virtual Machines, Blob Storage, Synapse, Managed DB)
Lassen Sie uns miteinander sprechen!
Kontaktieren Sie uns über das folgende Formular oder vereinbaren Sie einfach ein Beratungsgespräch.